基于中值滤波的多尺度快速图像融合算法

王艺洁

摘要：针对传统图像融合时间较慢，融合后图像纹理不清晰的缺点，提出了一种基于中值滤波的多尺度快速图像融合算法。首先通过中值滤波快速将图像分解为基层和细节层，再通过权值融合的方法将不同源的细节层和基层融合，获得融合图像。实验表明，该方法具有较好的刻画纹理能力和较少的运算时间。

关键词：图像融合;中值滤波;多尺度

中图分类号： TP18        文献标识码：A

文章编号：1009-3044（2021）02-0169-02

Abstract： In view of the disadvantages of slow fusion time and unclear texture of traditional image， a multi-scale fast image fusion algorithm based on median filtering is proposed. Firstly， the image is quickly decomposed into base and detail layer by median filtering， and then the different detail layer and base layer are fused by weight fusion method to obtain the fused image. Experiments show that this method has better texture characterization ability and less operation time.

Key words： image fusion; median filtering; multi-scale

图像融合技术是将两张图片或多张图片合成为一幅图像，经过融合后的图像可以容纳更复杂、更全面、更精确的信息[1]。同时，图像融合技术可以减少系统的存储率，提高数据的利用率增加[2]。因此，图像融合技术应用领域遍及遥感图像处理，医学图像处理等。由此可见，对图像融合技术进行深入的研究可以为后续图像处理提供高质量的图像，对社会经济和国防事业的建设均有重要意义[3]。

图像融合可以分为三类：像素级图像融合、特征级图像融合和决策级图像融合[4]。像素级图像融合对场景信息进行了保存，结合不同传感器的原始数据对场景化会有最大的保留，能够集中并且准确的凸显图像信息，由于传感器观测到的数据需要发送到中央处理设备，因此相对于其他两个融合层次而言，像素级图像融合需要更高的系统性能要求，如果信息量很大时会造成很大的延时无法满足工程需求;特征级图像融合是在特征提取之后发生的，复杂度属于中等级别，对数据通信的要求相对较低，对原始图像进行处理时保留了图像的损失。因此，会减低图像融合结果的准确性;决策级图像融合是三类中复杂度最高的等级，它能得到最准确的结果并且对传输要求不高，融合方式是根据每个电子手簿都会对所采集到的结果进行判断，再根据相应的判断做出推理，形成最后的决策。但决策意味着预处理的过程代价太高，在进行图像融合时图像信息损失较大。

本文采用多尺度模型[5]基于中值滤波的多尺度快速图像融合算法，利用中值滤波快速分离图像基层和细节层的目的，获得不同尺度的图像。按照标准差倍数关系来加权融合细节层，最后获得融合图像。

1 中值滤波数学模型

中值滤波是利用滤波器范围内所有像素值得中值来替代滤波器中心位置像素值的滤波方法，是一种基于排序统计理论的能够有效抑制噪声的非线性信号处理方法。中值滤波方法如图1所示，将滤波器范围内所有的像素值按照由小到大的顺序排列，选取排序序列的中值作为滤波器中心处的新像素值，之后将滤波器移动到下一位置，重复进行排序取中值的操作，直到将图像所有的像素点都被滤波器中心对应一遍。中值滤波不依赖于滤波器内那些与典型值差别很大的值，所以对斑点噪声和椒盐噪声的处理都有较好的处理效果[6]。

2 本文方法

研究发现，融合处理的图像大都在光线环境不好的情况下进行拍摄。因此，本文都输入的图像先做增强预处理，表达式如下：

本文利用中值滤波算法对图像进行平滑处理，快速去除图像细节，以此获得图像的基层。再利用原图与滤波后的图像做差，获得图像的细节层，表达式如下：

融合处理的策略是对两幅图像的基层按等比且都为0.5的权值融合，表达式如下：

细节层融合，本文借助原图的标准差比值来获得细节层融合的权值。其中标准差[σ]表达式如下：

其中，其中，M、N分别表示图像的长和宽的像素维度，[μ]表示图像像素的平均值。

因此，最终融合图像结果，表达式如下：

3 实验结果

3.1 图像融合质量评价

本文与文献[7]从主观和客观两方面实验结果进行比较。

3.1.1 主观评价

观察图1，本文结果能很好地将两幅图像的信息融合到一幅图像中，使得融合图像表达的信息更加完整。在图像反映的环境方面本文比ADF算法更加清晰，本文算法结果能观察到暗处ADF算法无法观察到的结果。

3.1.2 客观评价

客观评价的主体是算法，其中基于统计类的方法就是统计融合图像的某些特性来进行评估，这类指标包括均方误差、信息熵、空间频率等[8]。其中空间频率方法如下：

其中，M， N 为图片的宽高，I为融合结果图像，RF和CF分别代表水平和垂直方向的空间频率。SF的值越高代表空间频率越好，图像质量越高越清晰。

根据客观评价对本文算法和原始算法进行比较。

观察表1，本文算法在第一组实验中SF评价值超过ADF算法3.52，在第二组实验中，本文算法超过ADF算法1.07，在第三组实验中本文算法超过ADF算法3.5。再比较运行时间参数。本文算法均低于ADF算法，达到快速融合图像的目的。

4总结

本文首先对图像进行增强处理，再通过中值滤波快速提取图像的基层和细节层，在以标准差来获得融合权重，达到快速对图像融合的目的，在客观评价和主观评价上都具有不错的效果，工程意义巨大。

参考文献：

[1] 史敏红.图像融合技术发展综述[J].计算机时代，2019（9）：27-29.

[2] 董林鹭，赵良军，黄慧，等.基于欠样本混合内变基字典的扩展协同表示算法[J].液晶与显示，2020，35（5）：491-498.

[3] 王春华.图像融合研究综述[J].科技创新导报，2011（13）：11-13.

[4] 荣传振，贾永兴，杨宇，等.基于红外目标特征提取的图像融合方法[J].信号处理，2019，35（7）：1141-1151.

[5] 林子慧. 基于多尺度变换的红外与可见光图像融合技术研究[D].中国科学院大学（中国科学院光电技术研究所），2019.

[6] 袁立，周偉.一种改进的基于边缘检测的中值滤波图像去噪算法[J].电子制作，2020（13）：53-55.

[7] Bavirisetti D P， Dhuli R. Fusion of infrared and visible sensor images based on anisotropic diffusion and Karhunen-Loeve transform[J]. IEEE Sensors Journal， 2015， 16（1）： 203-209.

[8] 郭瑞. 图像融合质量评价问题研究[D].吉林大学，2020.

【通联编辑：唐一东】